当前位置: 首页 > news >正文

【排序算法】推排序算法解析:从原理到实现

目录

1. 引言

2. 推排序算法原理

3. 推排序的时间复杂度分析

4. 推排序的应用场景

5. 推排序的优缺点分析

5.1 优点:

5.2 缺点:

6. Java、JavaScript 和 Python 实现推排序算法

6.1 Java 实现:

6.2 JavaScript 实现:

6.3 Python 实现:

7. 总结


1. 引言

        推排序(Heap Sort)是一种高效的排序算法,其核心思想是利用堆数据结构进行排序。本文将从原理、时间复杂度、应用场景、优缺点等方面深入探讨推排序算法,并通过 Java、JavaScript 和 Python 三种编程语言的示例进行说明。

2. 推排序算法原理

        推排序算法的核心思想是利用堆数据结构进行排序。在推排序中,首先将待排序序列构建成一个最大堆或最小堆,然后进行堆排序,每次取出堆顶元素,再调整剩余元素的堆结构,直到所有元素都被取出,即完成排序。

推排序的步骤如下:

  1. 构建堆:将待排序序列构建成一个最大堆或最小堆。
  2. 堆排序:重复从堆顶取出元素,调整剩余元素的堆结构,直到所有元素都被取出,即完成排序。

3. 推排序的时间复杂度分析

         推排序算法的时间复杂度取决于构建堆和堆排序两个步骤。在构建堆的过程中,需要对序列中的每个元素进行上浮或下沉操作,时间复杂度为O(n);在堆排序的过程中,需要执行n次堆调整操作,时间复杂度为O(n log n)。因此,推排序的总时间复杂度为O(n log n)。

4. 推排序的应用场景

       推排序算法适用于各种数据类型和数据规模的排序问题,特别适合处理大规模数据。由于推排序的时间复杂度较低,因此在需要高效率排序的场景下广泛应用。

5. 推排序的优缺点分析

5.1 优点:

  • 时间复杂度低:推排序的时间复杂度为O(n log n),效率较高。
  • 稳定性:推排序是一种稳定的排序算法,相同元素的相对位置不会改变。
  • 适用性广泛:推排序适用于各种数据类型和数据规模,特别适合处理大规模数据。

5.2 缺点:

  • 需要额外的空间:推排序需要额外的空间来存储堆结构,因此在内存有限的情况下可能会受到限制。
  • 不适合小规模数据:推排序在处理小规模数据时可能效率较低,因为堆的构建需要较多的比较和交换操作。

6. Java、JavaScript 和 Python 实现推排序算法

6.1 Java 实现:

import java.util.Arrays;public class HeapSort {public static void heapSort(int[] arr) {int n = arr.length;// Build heap (rearrange array)for (int i = n / 2 - 1; i >= 0; i--)heapify(arr, n, i);// One by one extract an element from heapfor (int i = n - 1; i > 0; i--) {// Move current root to endint temp = arr[0];arr[0] = arr[i];arr[i] = temp;// call max heapify on the reduced heapheapify(arr, i, 0);}}// To heapify a subtree rooted with node i which is// an index in arr[]. n is size of heappublic static void heapify(int[] arr, int n, int i) {int largest = i; // Initialize largest as rootint left = 2 * i + 1; // left = 2*i + 1int right = 2 * i + 2; // right = 2*i + 2// If left child is larger than rootif (left < n && arr[left] > arr[largest])largest = left;// If right child is larger than largest so farif (right < n && arr[right] > arr[largest])largest = right;// If largest is not rootif (largest != i) {int swap = arr[i];arr[i] = arr[largest];arr[largest] = swap;// Recursively heapify the affected sub-treeheapify(arr, n, largest);}}public static void main(String[] args) {int[] arr = {12, 11, 13, 5, 6, 7};heapSort(arr);System.out.println("Sorted array: " + Arrays.toString(arr));}
}

6.2 JavaScript 实现:

function heapSort(arr) {let n = arr.length;// Build heap (rearrange array)for (let i = Math.floor(n / 2) - 1; i >= 0; i--) {heapify(arr, n, i);}// One by one extract an element from heapfor (let i = n - 1; i > 0; i--) {// Move current root to endlet temp = arr[0];arr[0] = arr[i];arr[i] = temp;// call max heapify on the reduced heapheapify(arr, i, 0);}
}// To heapify a subtree rooted with node i which is
// an index in arr[]. n is size of heap
function heapify(arr, n, i) {let largest = i; // Initialize largest as rootlet left = 2 * i + 1; // left = 2*i + 1let right = 2 * i + 2; // right = 2*i + 2// If left child is larger than rootif (left < n && arr[left] > arr[largest]) {largest = left;}// If right child is larger than largest so farif (right < n && arr[right] > arr[largest]) {largest = right;}// If largest is not root

6.3 Python 实现:

def heapify(arr, n, i):largest = i  # Initialize largest as rootleft = 2 * i + 1  # left = 2*i + 1right = 2 * i + 2  # right = 2*i + 2# If left child is larger than rootif left < n and arr[left] > arr[largest]:largest = left# If right child is larger than largest so farif right < n and arr[right] > arr[largest]:largest = right# If largest is not rootif largest != i:arr[i], arr[largest] = arr[largest], arr[i]  # Swap# Recursively heapify the affected sub-treeheapify(arr, n, largest)def heapSort(arr):n = len(arr)# Build a maxheap.for i in range(n // 2 - 1, -1, -1):heapify(arr, n, i)# One by one extract elementsfor i in range(n - 1, 0, -1):arr[i], arr[0] = arr[0], arr[i]  # Swapheapify(arr, i, 0)arr = [12, 11, 13, 5, 6, 7]
heapSort(arr)
print("Sorted array:", arr)

7. 总结

        通过本文的介绍,我们对推排序算法有了更深入的理解。从原理到实现,再到时间复杂度分析、应用场景、优缺点等方面,我们对推排序算法有了全面的认识。同时,通过用 Java、JavaScript 和 Python 三种编程语言实现推排序算法,我们加深了对这些语言特性和语法的理解,提高了编程能力。

        推排序算法是一种高效的排序算法,在处理大规模数据时表现良好。它适用于各种数据类型和数据规模的排序问题,特别适合处理大规模数据。

        希望本文能够帮助读者更好地理解推排序算法,并在实践中灵活运用,解决实际问题。同时也希望读者能够继续深入学习和探索,不断提升自己的算法能力和编程技术。

相关文章:

【排序算法】推排序算法解析:从原理到实现

目录 1. 引言 2. 推排序算法原理 3. 推排序的时间复杂度分析 4. 推排序的应用场景 5. 推排序的优缺点分析 5.1 优点&#xff1a; 5.2 缺点&#xff1a; 6. Java、JavaScript 和 Python 实现推排序算法 6.1 Java 实现&#xff1a; 6.2 JavaScript 实现&#xff1a; 6.…...

Python爬虫实战(基础篇)—13获取《人民网》【最新】【国内】【国际】写入Word(附完整代码)

文章目录 专栏导读背景测试代码分析请求网址请求参数代码测试数据分析利用lxml+xpath进一步分析将获取链接再获取文章内容测试代码写入word完整代码总结专栏导读 🔥🔥本文已收录于《Python基础篇爬虫》 🉑🉑本专栏专门针对于有爬虫基础准备的一套基础教学,轻松掌握Py…...

常见控件应用

常见控件应用 1.操作Ajax选项2.滑动滑块操作 1.操作Ajax选项 Ajax即Asynchronous JavaScript and XML&#xff08;异步JavaScript和XML&#xff09;&#xff0c;是指一种创建交互式、快速动态网页应用的网页开发技术。通过在后台与服务器进行少量数据交换&#xff0c;Ajax可以…...

什么是降压恒流芯片?它有什么作用?

降压恒流芯片是一种电子元件&#xff0c;用于将高电压或高电流的输入电源转换为稳定的低电压输出电源&#xff0c;并同时保持恒定的电流输出。 降压恒流芯片的作用有以下几点&#xff1a; 将高电压降低到适合驱动车灯的工作电压&#xff0c;确保车灯亮度稳定。 在负载变化时…...

14:00面试,15:00就出来了,问的问题过于变态了。。。

从小厂出来&#xff0c;没想到在另一家公司又寄了。 到这家公司开始上班&#xff0c;加班是每天必不可少的&#xff0c;看在钱给的比较多的份上&#xff0c;就不太计较了。没想到2月一纸通知&#xff0c;所有人不准加班&#xff0c;加班费不仅没有了&#xff0c;薪资还要降40%…...

Maven的settings.xml配置

maven的两大配置文件&#xff1a;settings.xml和pom.xml。其中settings.xml是maven的全局配置文件&#xff0c;pom.xml则是文件所在项目的局部配置 标签servers&#xff1a; 一般&#xff0c;仓库的下载和部署是在pom.xml文件中的repositories和distributionManagement元素中定…...

利用redis实现秒杀功能

6、秒杀优化 这个是 图灵 的redis实战里面的一个案例 6.1 秒杀优化-异步秒杀思路 我们来回顾一下下单流程 当用户发起请求&#xff0c;此时会请求nginx&#xff0c;nginx会访问到tomcat&#xff0c;而tomcat中的程序&#xff0c;会进行串行操作&#xff0c;分成如下几个步骤…...

vscode 使用ssh进行远程开发 (remote-ssh),首次连接及后续使用,详细介绍

在vscode添加remote ssh插件 首次连接 选择左侧栏的扩展&#xff0c;并搜索remote ssh 它大概长这样&#xff0c;点击安装 安装成功后&#xff0c;在左侧栏会出现远程连接的图标&#xff0c;点击后选择ssh旁加号便可以进行连接。 安装成功后vscode左下角会有一个图标 点击图…...

rabbitmq总结

一、初次感知 https://www.cnblogs.com/zqyx/p/13170881.html 这篇文章非常好&#xff0c;讲了一些持久化的原理。 1. 第一次使用rabbitmq发信息 // 创建连接工厂ConnectionFactory connectionFactorynew ConnectionFactory();connectionFactory.setHost("192.168.88.1…...

专利预审是什么

专利预审是一种专利申请流程中的前置审查服务&#xff0c;通常由国家知识产权局设立的各地方知识产权保护中心或其他指定机构提供。在正式提交专利申请至国家知识产权局之前&#xff0c;申请人可以通过专利预审机制&#xff0c;提前向预审机构提交专利申请资料&#xff0c;由预…...

淘宝商品详情数据丨商品搬家丨商品采集丨商城建站

淘宝商品详情数据、商品搬家、商品采集以及商城建站都是电子商务领域的重要环节&#xff0c;它们共同构成了一个完整的在线销售体系。下面我将分别对这几个概念进行详细的解释。 请求示例&#xff0c;API接口接入Anzexi58 一、淘宝商品详情数据 淘宝商品详情数据指的是在淘宝…...

redis(1)-key-value-基本概念

1. 全量IO 全局遍历 2.路由、索引、映射 3.文件里都是小格子&#xff0c;4KB 硬件水平的吞吐。 数据&#xff1a;索引 100&#xff1a;1 4.Mysql qps:90000 tps:5000 事务 1个事务 18 tps*18qps 1.安全 2.事务 3.持久化 4.淘汰 5.过期 定时&#xff1a;内存-mysql 一天…...

cocos creator 3.7.2使用shader实现图片扫光特效

简介 功能&#xff1a;图片实现扫光效果 引擎&#xff1a;cocos Creator 3.7.2 开发语言&#xff1a;ts 完整版链接 链接https://lengmo714.top/284d90f4.html 效果图 shader代码 // Copyright (c) 2017-2020 Xiamen Yaji Software Co., Ltd. CCEffect %{techniques:- pas…...

【C++杂货铺】详解string

目录 &#x1f308;前言&#x1f308; &#x1f4c1; 为什么学习string &#x1f4c1; 认识string&#xff08;了解&#xff09; &#x1f4c1; string的常用接口 &#x1f4c2; 构造函数 &#x1f4c2; string类对象的容量操作 &#x1f4c2; string类对象的访问以及遍历操…...

算法刷题day20:二分

目录 引言概念一、借教室二、分巧克力三、管道四、技能升级五、冶炼金属六、数的范围七、最佳牛围栏八、套餐设计九、牛的学术圈I十、我在哪&#xff1f; 引言 这几天一直在做二分的题&#xff0c;都是上了难度的题目&#xff0c;本来以为自己的二分水平已经非常熟悉了&#x…...

【Spring云原生】Spring Batch:海量数据高并发任务处理!数据处理纵享新丝滑!事务管理机制+并行处理+实例应用讲解

&#x1f389;&#x1f389;欢迎光临&#x1f389;&#x1f389; &#x1f3c5;我是苏泽&#xff0c;一位对技术充满热情的探索者和分享者。&#x1f680;&#x1f680; &#x1f31f;特别推荐给大家我的最新专栏《Spring 狂野之旅&#xff1a;从入门到入魔》 &#x1f680; 本…...

docker ubuntu20.04 安装教程

ubuntu20.04 安装 docker 教程 本博客测试安装时间2023.8月 一、docker安装内容&#xff1a;docker Engine社区版 和 docker Compose 二、安装环境&#xff1a;ubuntu20.04 三、安装步骤&#xff1a; # 如果已经安装过docker&#xff0c;请先卸载&#xff0c;没安装则跳过…...

防御保护----IPSEC VPPN实验

实验拓扑&#xff1a; 实验背景&#xff1a;FW1和FW2是双机热备的状态。 实验要求&#xff1a;在FW和FW3之间建立一条IPSEC通道&#xff0c;保证10.0.2.0/24网段可以正常访问到192.168.1.0/24 IPSEC VPPN实验配置&#xff08;由于是双机热备状态&#xff0c;所以FW1和FW2只需要…...

音视频数字化(视频线缆与接口)

目录 1、DVI接口 2、DP接口 之前的文章【音视频数字化(线缆与接口)】提到了部分视频线缆,今天再补充几个。 视频模拟信号连接从莲花头的“复合”线开始,经历了S端子、色差分量接口,通过亮度、色度尽量分离的办法提高画面质量,到VGA已经到了模拟的顶峰,实现了RGB的独立…...

爬虫实战——巴黎圣母院新闻【内附超详细教程,你上你也行】

文章目录 发现宝藏一、 目标二、简单分析网页1. 寻找所有新闻2. 分析模块、版面和文章 三、爬取新闻1. 爬取模块2. 爬取版面3. 爬取文章 四、完整代码五、效果展示 发现宝藏 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不…...

浅谈 React Hooks

React Hooks 是 React 16.8 引入的一组 API&#xff0c;用于在函数组件中使用 state 和其他 React 特性&#xff08;例如生命周期方法、context 等&#xff09;。Hooks 通过简洁的函数接口&#xff0c;解决了状态与 UI 的高度解耦&#xff0c;通过函数式编程范式实现更灵活 Rea…...

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…...

突破不可导策略的训练难题:零阶优化与强化学习的深度嵌合

强化学习&#xff08;Reinforcement Learning, RL&#xff09;是工业领域智能控制的重要方法。它的基本原理是将最优控制问题建模为马尔可夫决策过程&#xff0c;然后使用强化学习的Actor-Critic机制&#xff08;中文译作“知行互动”机制&#xff09;&#xff0c;逐步迭代求解…...

Admin.Net中的消息通信SignalR解释

定义集线器接口 IOnlineUserHub public interface IOnlineUserHub {/// 在线用户列表Task OnlineUserList(OnlineUserList context);/// 强制下线Task ForceOffline(object context);/// 发布站内消息Task PublicNotice(SysNotice context);/// 接收消息Task ReceiveMessage(…...

Linux云原生安全:零信任架构与机密计算

Linux云原生安全&#xff1a;零信任架构与机密计算 构建坚不可摧的云原生防御体系 引言&#xff1a;云原生安全的范式革命 随着云原生技术的普及&#xff0c;安全边界正在从传统的网络边界向工作负载内部转移。Gartner预测&#xff0c;到2025年&#xff0c;零信任架构将成为超…...

iOS性能调优实战:借助克魔(KeyMob)与常用工具深度洞察App瓶颈

在日常iOS开发过程中&#xff0c;性能问题往往是最令人头疼的一类Bug。尤其是在App上线前的压测阶段或是处理用户反馈的高发期&#xff0c;开发者往往需要面对卡顿、崩溃、能耗异常、日志混乱等一系列问题。这些问题表面上看似偶发&#xff0c;但背后往往隐藏着系统资源调度不当…...

动态 Web 开发技术入门篇

一、HTTP 协议核心 1.1 HTTP 基础 协议全称 &#xff1a;HyperText Transfer Protocol&#xff08;超文本传输协议&#xff09; 默认端口 &#xff1a;HTTP 使用 80 端口&#xff0c;HTTPS 使用 443 端口。 请求方法 &#xff1a; GET &#xff1a;用于获取资源&#xff0c;…...

怎么让Comfyui导出的图像不包含工作流信息,

为了数据安全&#xff0c;让Comfyui导出的图像不包含工作流信息&#xff0c;导出的图像就不会拖到comfyui中加载出来工作流。 ComfyUI的目录下node.py 直接移除 pnginfo&#xff08;推荐&#xff09;​​ 在 save_images 方法中&#xff0c;​​删除或注释掉所有与 metadata …...

嵌入式学习之系统编程(九)OSI模型、TCP/IP模型、UDP协议网络相关编程(6.3)

目录 一、网络编程--OSI模型 二、网络编程--TCP/IP模型 三、网络接口 四、UDP网络相关编程及主要函数 ​编辑​编辑 UDP的特征 socke函数 bind函数 recvfrom函数&#xff08;接收函数&#xff09; sendto函数&#xff08;发送函数&#xff09; 五、网络编程之 UDP 用…...

[特殊字符] 手撸 Redis 互斥锁那些坑

&#x1f4d6; 手撸 Redis 互斥锁那些坑 最近搞业务遇到高并发下同一个 key 的互斥操作&#xff0c;想实现分布式环境下的互斥锁。于是私下顺手手撸了个基于 Redis 的简单互斥锁&#xff0c;也顺便跟 Redisson 的 RLock 机制对比了下&#xff0c;记录一波&#xff0c;别踩我踩过…...